df.loc[:, (df != 0).any(axis=0)]

以下是它如何工作的分解：

In [74]: import pandas as pd

In [75]: df = pd.DataFrame([[1,0,0,0], [0,0,1,0]])

In [76]: df
Out[76]: 
   0  1  2  3
0  1  0  0  0
1  0  0  1  0

[2 rows x 4 columns]

df != 0创建一个布尔DataFrame，它为True，其中df为非零值：

In [77]: df != 0
Out[77]: 
       0      1      2      3
0   True  False  False  False
1  False  False   True  False

[2 rows x 4 columns]

(df != 0).any(axis=0)返回一个布尔Series，指示哪些列有非零项。（any操作将沿着0轴（即沿行）的值聚合为一个布尔值。因此，结果是每列一个布尔值。）

In [78]: (df != 0).any(axis=0)
Out[78]: 
0     True
1    False
2     True
3    False
dtype: bool

df.loc可以用来选择这些列：

In [79]: df.loc[:, (df != 0).any(axis=0)]
Out[79]: 
   0  2
0  1  0
1  0  1

[2 rows x 2 columns]

要“删除”零列，请重新分配df：

df = df.loc[:, (df != 0).any(axis=0)]

这里有一个替代方法使用是
df.replace(0,np.nan).dropna(axis=1,how="all")
与unutbu的解决方案相比，这种方式明显要慢一些：

%timeit df.loc[:, (df != 0).any(axis=0)]
652 µs ± 5.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%timeit df.replace(0,np.nan).dropna(axis=1,how="all")
1.75 ms ± 9.49 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

如果你想要一种更有表现力的方式来获取零列名，这样你就可以打印/记录它们，并通过它们的名称就地删除它们：

zero_cols = [ col for col, is_zero in ((df == 0).sum() == df.shape[0]).items() if is_zero ]
df.drop(zero_cols, axis=1, inplace=True)

有些会崩溃：

# a pandas Series with {col: is_zero} items
# is_zero is True when the number of zero items in that column == num_all_rows
(df == 0).sum() == df.shape[0])

# a list comprehension of zero_col_names is built from the_series
[ col for col, is_zero in the_series.items() if is_zero ]

如果您的列中有一些NaN值，如果您想删除同时具有0和NaN的列，您可能需要使用这种方法：

df.loc[:, (df**2).sum() != 0]

这应该做的工作：

zero_cols = df.columns[(df == 0).all()]
df.drop(labels=zero_cols, axis=1, inplace=True)